1. 大數據金融創新與發展
img src=' https://p26 . toutiaoimg.com/large/c5f 00022 e 860696 a06b '/
近年來，大數據已經成為重塑金融競爭格局的重要支撐和抓手。特別是「十三五」規劃綱要明確提出實施國家大數據戰略，把大數據作為基礎性戰略資源，加快數據資源共享、開放和發展。
在此背景下，為全面落實「十三五」規劃提出的國家大數據戰略，推動金融業轉型升級和創新發展，助力上海建設國際金融中心和科技創新中心，「大數據時代的金融野盯服務與創新」論壇於8月17日在中國金融信息中心舉行。論壇由上海市經濟和信息化委員會、上海市金融服務辦公室和上海銀監局指導。由新華社中國經濟信息社、新華社新聞信息中心、新華網、上海證券報、中國金融信息中心、中國銀行上海市分行主辦，易迅財經協辦，證大財富特別支持。
img src=' https://P3 . toutiaoimg.com/large/c5b 00057 DCC 4232 c 44 e '/
大數據之父勛伯格曾說，「大數據開啟了時代的重大變革。正如望遠鏡讓我們感受宇宙，顯微鏡讓我們觀察微生物一樣，大數據正在改變我們的生活和我們理解世界的方式，成為新發明和服務的來源，更多的變化即將發生」。
img src=' https://P3 . toutiaoimg.com/large/c5e 0002510 CD 74d 6298 '/
張笑君表示，傳統金融行業如何利用大數據技術和思維實現產業轉型變革，推動金融服務創新發展，是每個企業都應該深入思考的問題；如何利用大數據降低金融風險，促進「大數據新金融」的可持續發展，使其發揮更大的社會價值，也是政府部門和監管部門面臨的新課題。
據了解，2016年是「十三五」的開局之年，也是新華社業務轉型發展的重要一年。2016年7月底，新華社全面完成國內分支機構采編管理「兩分離兩加強」重大機構改革。7月1日，新聞信息中心上海中心正式成立，這也標志著新華社在上海的各項事業進入了一個新階頌罩和段。
「在保持傳統信息產品和業務優勢的同時，上海證券報將能夠專注於國家戰略和上海本地事業的整體發展。在垂直管理體制和上海分社的雙重領導下，將繼續夯實基礎、求新求變，進一步擴大新華社新聞產品市場的覆蓋面和影響力，為上海「四個中心」建設做出我們的貢獻。」張笑君說。
img src=' https://P6 . toutiaoimg.com/large/c5d 000581 f 9 CB 43 f 6 c 4 '/
上海市經濟和信息化委員會副主任邵志清
上海市經濟和信息化委員會副主任邵志清表示，這次論壇主要是為了規劃所謂的「形勢、戰略和技術」。所謂「趨勢」，永遠不應該是趨勢的敵人。一個人，一個企業做一件事，一定要順應時代潮流，順勢而為。今天，我們已經進入了信息文明時代，其中第一個是PC時代，第二個是網路時代，第三個是大數據時代。
大數據可以開發成引擎嗎？邵志清講了三個方面。首先，世界進入了一個新時代。90年代中期加入互聯網大家庭，實現了人際交往的突破，讓「一條家信抵一噸金」不復存在。現在，世界各國都在計劃實現大數據時代的國家發展，因為大數據已經是一種資源，一種資產。顯然，它已經成為一項國家發展戰略。大數據能力已經成為綜悶凱合國際競爭力和國際影響力不可或缺的方面。
第二，大數據已經成為我們的生產要素。大數據為計算開辟了新模式和新路徑。產業方面，有新業務、新商業模式、新業態，給新經濟帶來很多活力。現在政府掌握了大量的大數據資源，如何服務社會和市場，從而激發市場的活力和社會的創造力，在社會治理方面如何管理網格。大數據也帶來了很多機會，例如，它可以用於控制城市基礎設施、環境保護、食品葯品安全和交通運輸。
第三，利用大數據安裝創新驅動發展的強大引擎，要從資源、技術、使用、產業、安全等幾個方面著力。
邵志清表示，最近上海也在制定大數據發展的實施意見，對接國家層面的戰略，結合上海實際，大概有幾個方面要做：要素供給、使用創新、產業發展。他認為，要加快幾個方面的建設：一是整合共享的資源流通體系。二是創新活躍的行業使用體系。三是發展自主可控的數據技術服務體系。第四是世界一流的大數據基礎設施體系。第五，可信、安全、獨立的擔保體系。
img src=' https://P3 . toutiaoimg.com/large/c5e 0002510d 22 a 7942 e '/
上海數據交易中心首席運營官沈翔宇
「在具體循環方面，我們對所有數據做了從高風險到低風險的評估。從用戶產生的原始數據到後來產生的數據，無論是對個人還是對群體，都有幾個要求。進入流通，我們有自主知識產權的六要素標准：數據要有ID，數據要有維度主鍵，也就是Key。這是分配ID、分配key、設置限制、數據提供及時性、設置交易價格的角度。」他們把數據交易中心能給大家提供的服務分為會員、掛牌、撮合、分銷、清算服務等五個方面。沈翔宇說會有一個交易平台給大家用。
img src=' https://P6 . toutiaoimg.com/large/C5 c 00057 e 30 BF 384969 '/
上海大數據聯盟
常務副秘書長馬慧民
上海大數據聯盟常務副秘書長馬慧民演講主題是《大數據推動產業創新》。市場交易成本主要是由信息成本和討價還價成本構成。他說，企業組織成本主要是指維持企業內部各個部門運轉所需要的各類行政成本和協調成本。
當企業內的組織管理成本擴大到等於市場交易費用時，企業達到其最大邊界。比如說大數據、移動互聯網等新型技術讓計程車行業交易費用大幅度降低，傳統計程車公司逐漸被中間市場——平台公司影響。比如說滴滴打車、Uber，有了這些平台，交易成本大大降低了。互聯網促進和推動這個產業的發展，同時為產業的生產也帶來了變革。大數據和相關技術解決了某種信息不對稱領域引起的交易成本增加的過程。
通過大數據可以進行精準營銷。「我們通過很多數據採集之後，我們會形成一個用戶畫像，無論是線上數據還是線下的數據，集合在一起之後就知道這個個人或者是企業需要什麼樣的東西。這里就解決了一個問題，就是線上、線下數據加在一起的個人標簽。」馬慧民說。
上海交通大學互聯網金融研究所所長羅明雄
上海交通大學互聯網金融研究所所長羅明雄分享的主題是《從互聯網金融投融資看大數據金融》。他說，互聯網金融等同於P2P、等同於騙子這是非常不準確的，P2P只是互聯網金融當中的一個分支，而騙子只是打著P2P的旗號去做的行騙。他把大數據產業鏈條分為四個部分包括數據源、數據採集與存儲、數據分析與挖掘和大數據使用。
什麼人可以做好大數據金融，羅明雄說，一個是可以合法拿到大量的非結構化數據，二是能夠對這些非結構化數據進行專業的挖掘、梳理、清洗。他建議大家不要把銀行完全想像成傳統金融機構，銀行業在變，銀行會通過很多領域來進行思考，要做風控，會拿到很多的數據，然後把這些數據打通，包括你的信貸風控、精準營銷、運行決策優化。他說，銀行的電商把信息打通，本質就非常類似於余額寶，余額寶就是利用信息化手段，讓老百姓以極低門檻享受一個私人銀行般的理財服務。
羅明祥說，傳統的供應鏈金融是以銀行或傳統金融機構主導，通過綁定核心企業通過給核心企業授信，並給予其上下游企業一定支持，對供應鏈金融企業的BD能力以及自身資源能力提出很大的挑戰。近期以B2B或者是SaaS模式切入供應鏈金融，從「三流」切入成為供應鏈金融最容易彎道超車的商業模式。供應鏈金融的本質是你能夠抓到中小的企業為他提供整套供應鏈金融服務。
萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊
萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊結合他在銀行、信貸行業和徵信領域的工作體會與大家分享了徵信行業的發展機遇。
國外徵信行業發展情況來講，美國的徵信體系最為成熟，現已形成從數據採集、數據標准化、數據處理到信用使用等成熟完整的產業鏈布局，從而形成全球最大的市場規模。嵇磊說，美國徵信行業的發展歷程、動因及趨勢，對我國徵信市場及機構發展具有很好的借鑒意義。從發展路徑看，美國的徵信行業經歷了快速發展、法律完善、行業整合及成熟發展四大階段，最後經過行業洗牌整合，機構數量從最多時的2000家減少至500家，並逐漸出現全國性徵信巨頭。
研究分析國外市場，是為了更好的研判中國徵信市場。至2015年末，央行徵信系統已收錄8.8億自然人信息，其中3.8億有信貸記錄;收錄企業及其他組織2120萬戶，其中577萬戶有信貸記錄。伴隨著龐大消費市場的逐步成熟、消費信貸的快速增長、互聯網及大數據使用的跨越式發展，更多的社會第三方徵信機構參與到我國徵信體系建設中。
盡管成立背景不同、數據類型各異，但在個人徵信業務的具體規劃上，各家徵信公司均不約而同地突出了「大數據」和「互聯網徵信」。互聯網徵信機構收集信息面寬，可以覆蓋無法在銀行留下信貸記錄的龐大群體，從而成為央行徵信體系的有益補充。
嵇磊認為，徵信業最好的時代已經到來。隨著法律法規的進一步完善、消費經濟持續增長以及大數據、互聯網技術的發展，徵信行業正面臨前所未有的發展機遇：一是法律法規的完善為徵信發展提供支持；二是消費經濟增長推動徵信業持續發展；三是大數據及互聯網促動徵信業務全面升級；四是社會發展提高人們對信用價值的認知。
翼勛金融總經理孫海江
翼勛金融總經理孫海江表示，大數據的成長速度非常快，現在整體的大數據，人類90%數據都是在最近三年產生的。每天要使用消費類的軟體，比如說滴滴打車這樣的工具類軟體以及金融軟體等等，都會產生大量的數據。這些數據的服務能夠產生價值，同時這些數據使用也能夠帶來價值。但是其實這個當中還有數據為我們帶來的困擾。
在圓桌討論環節，光大雲付副董事長兼總裁夏令武、綠地金服CEO楊曉冬、上海互聯網大數據工程研究中心主任陸晉軍、證大財富總裁戴衛新、前海徵信副總經理施奕明圍繞四個議題展開，分別是：大數據時代為金融業帶來的新機遇；大數據 金融如何服務小微企業；如何管理大數據徵信使用中存在的挑戰與風險；政府如何監管並服務於大數據金融創新。
光大雲付副董事長兼總裁夏令武
光大雲付副董事長兼總裁夏令武說，大數據和互聯網最近幾年的飛速發展給金融業帶來很多機遇。這種機遇是兩個方面，一個方面是給傳統金融機構帶來了更大、更強的生存能力。有人說互聯網會顛覆傳統機構。現在如果說從大數據維度來看，其實不是的。傳統金融機構掌控了金融業、經濟部門最大的數據。因為金融機構就是經營數據的。所以我想大數據增強了傳統金融機構的能力。另一方面，大數據也推動了新的金融服務形式的產生，而光大雲付就是這兩方面的結合。
綠地金服CEO楊曉冬
作為陸金所創始管理團隊之一，綠地金服CEO楊曉冬說，大數據最重要的是要降低企業的成本，從經營角度來說，大數據可以幫助我們提高風控能力。我對大數據未來的遠景還是充滿信心的，但目前的狀況還是不令人滿意的。舉一個例子，在美國，這是我在90年代做的項目。90年代的時候，你在美國就可以在互聯網上開戶，我不用1秒鍾就可以知道所有的信息。但是在目前，在中國的信息還是島式的信息，沒有一個統一的信息可以證明這個人是可信的，可以線上開戶。市場數據成本是否合理，是關繫到大數據能否成功的關鍵。他希望政府可以為不僅是金融企業，要為所有企業提供公共信息。這樣才可以幫助金融企業降低成本。
上海互聯網大數據工程研究中心主任陸晉軍
上海互聯網大數據工程研究中心主任陸晉軍說，現在整個大數據行業存在一個亂象。一方面擁有數據的，比如說政府、銀行、運營商很難開放。另一方面，有很多公司又號稱有數據。但這個數據哪裡來?可能會涉及到到隱私泄露的問題。圍繞金融談大數據，談移動互聯網，這是真正可以改變金融領域供給側改革的技術和手段。因為有了移動互聯網、各種寶、各種貸，為老百姓提供了更多的選擇，當然選擇過程當中又帶來了很多風險。這是做技術、管理、監管的人要去解決的問題。通過大數據一定程度可以解決客戶畫像、客戶獲取、徵信等等的問題，要把它做好。
陸晉軍說，大數據一定要開放，一定要跨境。如果說你是封閉群體的數據也可以做數據分析，但是只有打開了通路，和不同領域的數據做交換、結合之後才可以產生更多的價值。這也是大數據交易所面臨的一個非常重要的課題，而且要注重大數據的安全。
證大財富CEO戴衛新
證大財富的CEO戴衛新認為精準營銷和風險管理兩者結合度是非常高的。他們公司在兩年前就做了「淘寶達人貸」，面對的客戶是專門在淘寶上有消費的人群做信用貸款。在推出這個產品的時候，芝麻信用分還沒有出來，通過這兩年的數據積累，未來在大數據使用上，可以做一些改善。可以結合芝麻信用分來看我們客戶的表現以及真實的芝麻信用分有巨大的關聯性，來驗證芝麻信用分在這樣一個領域的市場，是不是有更好的使用場景。
戴衛新表示，金融最大的要點就是風險控制，大家數據共享可以有效降低在這一塊上的損失。他說證大財富一直和上海官方機構、民營徵信機構等合作，做數據共享。
前海徵信副總經理施奕明
前海徵信副總經理施奕明從徵信和金融的關系談了他的看法。金融的核心是風險定價，風險控制是非常重要的手段。原來傳統的金融方式都是以線下方面為主，比如說貸款必須要面簽。但是現在很多都是遠程化、線上化的方式，如果說沒有像現代徵信業的發展，像遠程開戶、人臉識別這樣的技術是不可能實現的。未來大數據在金融行業將會越來越重要。
施奕明介紹徵信業面臨的挑戰是信息孤島問題、安全合規問題和技術創新問題。
他說，現在徵信把信息分為三大類，第一類是公共信用數據，第二類是金融信用數據，第三類是生活信用數據。這三方面的數據分別在各個不同的地方，要把這三類進行整合，需要一個大的戰略，數據聯盟、數據交易中心的出現為數據整合提供了很好的基礎，也會成為徵信業未來發展的契機。
大數據時代一個很大的問題就是個人信息披露泛濫。前海徵信操作是非常規范的，任何數據的採集和披露都是要遵照合法的途徑和規矩來做的，大數據的前提是合法合規。
在大數據徵信時代有很多的創新點，但必須要謹慎。傳統的金融徵信其實已經被驗證過無數次了，是可以非常有效的判斷一個人的信用風險的。現在大數據發展很快，但是這些信息和標簽是不是可以真正的防止風險，這是需要待驗證的。因此並不會把所有創新都推向市場，需要經過長期驗證之後，才會非常負責地推向市場。
主持人：第一財經廣播主持人葉柳
2. 大數據攻略案例分析及結論
大數據攻略案例分析及結論
我們將迎來一個「大數據時代」。與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？
｛研究結論｝
■大數據營銷的本質是一個影響消費者購物前心理路徑的問題，而這在大數據時代前很難做到。
■對於傳統企業而言，要打通線上與線下營銷，實現新的商業模式，如O2O等，離不開大數據。
■雖然大數據應用往往集中於大數據營銷，但對於一些企業，大數據的應用早已超越了營銷范疇，全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。
■對於大部分企業，由於數據分析人員與業務人員之間的彼此視角與思考方向不同，大數據分析和運營之間存在脫節情況，這是大數據無法用於企業運營最大的阻力
■對於大多數互聯網公司來說，大數據量、大用戶量是一個相互促進，強者越強的循環過程。
■對於大型互聯網平台，大數據已經成為其生態循環中的血液，對於這些企業，最重要
的不是如何利用大數據改進自身運營，而是利用大數據更好地繁榮平台生態。
■對於平台企業，它們的大數據策略正逐漸從大數據運營，向運營大數據轉變，前者和
後者的差別在於，前者只是運營改進的動力，而後者則成為企業實現未來戰略的核心資源。
我們都已被反復告知：我們將迎來一個「大數據時代」。
大數據應用，將和雲計算、3D列印這些技術變革一樣，顛覆既有規則，並成為先行企業的制勝關鍵。
與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？
來自於互聯網、移動互聯網、物聯網感測器、視頻採集系統的數據正海量增長，匯成大數據的海洋，相伴的是海量數據存儲、分析技術的突破性發展，所有這一切都給企業的應用帶來了無限可能性。
中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類，以幫助企業了解實際應用大數據時的困局難點，並提供領先企業的典型案例以資借鑒。
表1
表2
大數據運營—企業提升效率的助推力
對於大多數企業而言，運營領域的應用是大數據最核心的應用，之前企業主要使用來自生產經營中的各種報表數據，但隨著大數據時代的到來，來自於互聯網、物聯網、各種感測器的海量辯笑虧數據撲面而至。於是，一些企業開始挖掘和利用這些數據，來推動運營效率的提升。大數據運營應用中，大數據的應用分為三類：用於企業外部營銷、用於內部運營，以及用於領導層決策。
一、大數據營銷
大數據營銷的本質是影響目標消費者購物前的心理路徑，它主要應用在三個方面：1、大數據渠道優化，2、精準營銷信息推送，3、線上與線下營銷的連接。在消費者購物前，通過各種方式，直接介入其信息收集和決策過程。而這種介入，是建立在對於線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性和精準性方面，都有非常大的優勢。它是目前主要的大數據應用領域。
大數據營銷不僅僅是用大數據找出目標顧客，向其發布促銷信息，它還可以做到：
實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化，就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多，哪個來源顧客實際購買量最多，是否是目標顧客等等，從而調整營銷資源在各個渠道的投放。例如東風日產，它利用對顧客來源的追蹤，來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。
精準營銷信息攜神推送。精準建立在對海量消費者的行為分析基礎之上，消費者網路瀏覽、搜索行為被網路留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息，在商家面前，正逐漸呈現出消費者信息的海洋。
一些企業通過收集海量的消費者信息，然後利用大數據建模技術，按消費者屬升猛性（如所在地區、性別）和興趣、購買行為等維度，挖掘目標消費者，然後進行分類，再根據這些，對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析，找出評論有「喜愛」相關關鍵詞的粉絲，然後打上標簽，對其進行營銷信息推送。京東商城副總經理李曦表示：「用大數據找出不同細分的顧客需求群，然後進行相應的營銷，是京東目前在做的事情。」小也化妝品將自身網站作為收集消費者信息的雷達，對不同消費者推薦相應的肌膚解決方案，創始人肖尚略希望在未來，大數據營銷能替代網站的作用，真正成為面向顧客的前端。
打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通，實現了線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。在此過程中，東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據，實現了一個橫跨線上線下，以大數據分析為支持的，營銷效果不斷優化的閉環營銷通路。而國雙科技，衡量某一地區線下促銷活動的效果，就是看互聯網上，來自這個地區對於促銷內容的搜索量。一些企業，通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備，來打通線上與線下數據流，銀泰百貨計劃鋪設Wi-Fi，鼓勵顧客在商場內使用，然後根據Wi-Fi賬號，找出這個顧客，再通過與其它大數據挖掘公司合作，以大數據的手段，發掘這個顧客在互聯網的歷史痕跡，來了解這個顧客的需求類型。
二、大數據用於內部運營
相比大數據營銷，大數據在內部運營中的應用更深入，對於企業內部的信息化水平，以及數據採集和分析能力的要求更高。本質上，是將企業外部海量消費者數據與企業內部海量運營數據聯系起來，在分析中得到新的洞察，提升運營效率。（詳見P96表5：大數據在內部運營中的應用）
表5
三、大數據用於決策
在大數據時代，企業面對眾多新的數據源和海量數據，能否基於對這些數據的洞察，進行決策，進而將其變成一項企業競爭優勢的來源？同大數據營銷和大數據內部運營相比，運用大數據決策難度最高，因為它需要一種依賴數據的思維習慣。
已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時，會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等，然後決定是否推出某個金融產品。
但是，中國企業家研究院在調研中發現，目前中國企業當中，大數據決策的應用非常之少，許多企業領導者進行決策時，仍習慣於憑借歷史經驗和直覺。
大數據產品——企業利潤滋長的新源泉
大數據除了用於運營外，還能夠與企業產品結合，成為企業產品背後競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類，直接提供大數據產品的企業，以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者，包括數據擁有者、存儲企業，挖掘企業、分析企業等，後者則主要是那些以大數據為產品核心支撐的企業，它們大多是互聯網企業，其產品和服務先天就有大數據基因，這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平台以及眾多植根於移動互聯網之上，為用戶提供生活和資訊服務的APP等。
表3
表4
一、大數據作為產品核心支持
它們主要在以下幾方面使用大數據：
1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析，為個人和企業提供信息服務，典型的如網路、去哪兒、一淘、高德地圖、春雨醫生等等。在美國，一些互聯網企業甚至根據大數據提供更深度的預測信息服務，美國科技創新公司farecast，通過分析特定航線機票的價格，幫助消費者預測機票價格走勢。
2、分析用戶的個性化需求，藉此提供個性化產品和服務，或者實現更精準的廣告。典型的有移動社交工具陌陌、網路、騰訊、廣告交易平台品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據，將用戶分類，根據不同類型的用戶，提供個性化的產品，或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式，讓使用者按照個人喜好方便地定製和整合不同來源的信息。
3、增強產品功能。對於很多互聯網產品，如殺毒軟體、搜索引擎等等，海量數據的處理能夠讓產品變得更聰明更強大，如果沒有大數據，產品的功能就大大減弱。比如奇虎360公司的360殺毒軟體，憑借每天海量的殺毒處理，建立了龐大的病毒庫，這使它能夠更快地發現病毒，而一些小的殺毒軟體公司則無法做到這一點。
4、掌控信用狀況，提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來，通過對這些往來數據的匯總與分析，阿里巴巴能發現單個企業的資金流與收入情況，分析其信用，找出異常情況與可能發生的欺詐行為，控制信貸風險。
5、實現智能匹配。婚戀網站、交易平台等，利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據，比如點擊哪些異性的頁面，發表什麼樣的評論，建立用戶興趣模型，從而挖掘到用戶所期待另一半的類型，然後主動推薦與對方匹配度比較高的人選。2010年，阿里巴巴嘗試性地推出「輕騎兵」服務，由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配，所憑借的，就是對供應商的海量交易數據信息的整合與挖掘。
二、大數據直接作為產品
對一些企業，大數據直接成為了產品，這些產品包括海量數據、分析、存儲與挖掘的服務等，目前大數據產業鏈正在形成過程中，出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構，前者主要是一些擁有海量數據的公司，將數據服務作為新的盈利來源。如大型的互聯網平台、民航、電信運營商、一些擁有大數據的政府機構等等，後者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合，進行分析和挖掘，或者提供相關產品的公司，如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。
大數據平台——企業群落繁榮的滋養劑
而網路已建成了包括網路指數、司南、風雲榜、數據研究中心和網路統計在內的五大數據體系平台，幫助其營銷平台上的企業了解消費者行為、興趣變化，以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。
為解決這些問題，各個平台在積極地努力。比如阿里巴巴建立了數據委員會，在統一數據格式標准、從源頭上保證數據的質量，採集和加工出精細化的數據，確保其能符合平台企業的應用場景等方面，不遺餘力地嘗試。尤其在大數據精細化方面，阿里巴巴更是作為其大數據戰略的重點。這方面，騰訊目前也在加快步伐。比如新版騰訊網出現了「一鍵登錄」的提示，用戶可以在上面通過一些細分標簽，訂閱自己關注的內容。實際上，這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。
Tips
大數據實戰手冊
將大數據應用於內部運營中時，企業會遇到一些常見問題
1企業如何獲取與分析數據？
互聯網是大數據的一個主要來源，一些線下的傳統企業很難獲得。但它們可以：
a和擁有或能抓取海量數據的平台、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分，用於自身業務。再如卡夫通過與IBM合作，在博客、論壇和討論版的內容中抓取了47.9萬條關於自己產品的討論信息，通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。
b建立自己在互聯網上的平台，比如朝陽大悅城利用自己的微信、微博等平台收集消費者評論數據。
c許多傳統企業沒有分析海量數據的能力，此時它們可以和大數據分析和挖掘公司合作，目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司，它們是傳統企業進行大數據分析可以藉助的力量。
2如何避免大數據應用時的部門分割？
對於許多企業，其信息流被各部門彼此分割，數據難以互通，對於這種情況下，大數據的共享和匯集就只是一個泡影，更難以實現大數據的深度應用。
要打通部門之間信息分割的局面，首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的，「要真正用好大數據，企業要採用大集中的信息系統。」從更深入的角度來談，企業信息流的部門分割，更在於企業部門之間的分割，比如有一些企業的營銷按照渠道分割，導致對於顧客的大數據收集和分析效果大打折扣。
IBM智慧商務技術總監楊旭青認為，「很多時候由於組織結構問題，大數據分析有效性大大降低了。」這就需要組織與流程層面的重新設計，在這方面，阿里巴巴的部門負責人輪崗制度，對於打破部門壁壘無疑是一劑好葯。而一些企業為了打破部門分割，建立了矩陣型的組織結構，強化部門間的橫向合作，這些無疑為大數據的匯集、共享與應用創造了良好條件。
3如何讓業務人員重視大數據的應用？
解決這個問題，一方面在於一把手對整個企業數據文化的倡導，比如1號店董事長於剛就要求業務人員無論在開會，還是匯報工作時，都以數據說話，而馬雲更是將大數據提升到了戰略高度。
另一方面，也在於數據部門的帶動，阿里巴巴數據委員會負責人車品覺分享了經驗，「因為運營部門的業務人員很難看到大數據的潛力，可以首先從一些對業務見效快，見效顯著的數據項目出發，通過一兩個項目的成功，調動對方的積極性，然後再逐步一個個地引導。」
4為何大數據工作與運營需求脫節？
這往往是由於數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力，但是業務人員卻認為這些努力無關痛癢。如何解決這個問題？
有的企業從組織設計上發力，將大數據納入業務分析部門的管理之下，用業務統馭數據。對於朝陽大悅城，由主要負責戰略和經營分析的部門來管理大數據工作，其中的大數據分析人員則作為支持人員。在負責人張岩看來，大數據要靠商業法則指導，關鍵是找到業務需求的點，然後由數據分析和挖掘人員實現。在具體操作中，大悅城對微信的數據挖掘，挖掘什麼樣的關鍵詞，由業務分析人員確定，而具體挖掘則由數據部門做；有的企業從流程設計上著手，推動業務部門與數據部門人員之間的溝通，建立數據人員工作與效果掛鉤的考核機制。
例如阿里巴巴根據數據挖掘的成效（比如帶來的商品轉化率的提升）來考核數據挖掘師，考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻，比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面，在立白老闆辦公室上，就有一份「客戶運營健康體檢表」，讓老闆對全國經銷商的當月銷售情況一目瞭然。再如阿里巴巴開發的無線Bi，讓經營人員在手機上也可以看到大數據分析結果，拿車品覺的話說，「以數據之氧氣包圍經營人員。」
3. 大數據助力智能化管理
「園區經濟」是改革開放以來中國經濟發展的重要經驗。它不僅成為中國經濟的載體和平台，也為中國工業經濟發展探索了一條成功的經驗和模式。《工業互聯網創新發展行動計劃 （2021-2023）》中提到，培育一批綜合實力強的安全服務龍頭企業，建設一批工業互聯網安全創新示範園區，做好工業互聯網園區網路建設。
恰逢新一輪工業革命將數字技術和工具帶入工業產業發展，使製造業從業者能夠簡單有效地利用數字技術，使信息技術從業者能夠深入理解激鉛工業需求和文化，最終輸出數字製造知識和資產，讓對製造業本身不那麼精通的人也能通過這些數字資產挖掘出新的服務和使用，並產生增值。這與園區經濟轉型的需求不謀而合。
互聯網與園區的價值融合，可以充分發揮園區資源聚集、基礎設施集中建設的規模優勢，以及園區集中管控、精細服務的優勢。同時，園區可以幫助工業互聯網打通其使用的「最後一公里」，園區也可以收獲互聯網盈利模式。
因此，上海化學工業園融合工業互聯網的創新、科技、智能、生態變革勢在必行。
上海化學工業區於1996年獲准建立。它位於上海南部，杭州灣北岸，橫跨金山區和奉賢區，規劃面積29.4平方公里。是國家新型工業化產業示範基地、國家級經濟技術開發區、國家生態工業示範園區、國家循環經濟先進單位。園區創造性地提出並實踐了「產品與項目一體化、公用事業一體化、物流與輸送一體化、環保一體化、管理與服務一體化」的發展理念，形成了資旅鉛斗源高度集約、效益集中的大型化工生產模式。超過80%的企業原材料/產品供應鏈在園區內實現閉環。
目前，德國巴斯夫、科斯特龍、贏創等國際化工巨頭，美國亨斯邁，中國石化、華誼集團、高橋石化等大型骨幹企業，以及荷蘭皇家沃爾堡集團、法國液化空氣集團、蘇伊士集團等世界知名配套服務企業已連續多年入駐園區，與園區形成了良好的互助共贏發展態勢。
完善園區基礎設施，建設定製化大數據雲計算中心。
園區內有上海化工園區大數據雲計算拆磨中心，是「4S」工業園定製的大數據雲計算中心，融合了中國電信雲網整合的力量和上海化工園區的規劃。大數據雲計算中心採用雲計算技術，統籌利用現有IT資源和條件，為上海化學工業區管委會各部門統一建設和提供基礎設施、支撐軟體、使用功能、信息資源、運行保障、信息安全等服務。
大數據雲計算中心具有強大的計算能力、開放的雲架構和充分的可擴展性。採用政務雲相同框架建設標准，連續多年通過信息安全等級保護三級保護審核。具有靈活的定製化調整和開發能力，可同時滿足園區多家企業多樣化的實際使用需求。同時，在園區管委會的指導和支持下，園區部分企業自主開發使用了企業級大數據平台。
搭建大數據平台和輔助決策系統。
實現「三個預期」的深入使用
園區內搭建大數據平台，基於化學工業區介面交互標准和化學工業區數據目錄標准進行數據採集和交互服務。B
此外，園區推進綜合業務監管輔助決策系統建設，以園區各種感知和業務數據為基礎，以融合數據分析引擎為核心，以園區管理者、經營者、企業等主體的服務需求為導向，為智能決策提供有力支撐，提高決策效率，開展「三預測」(預測、預警、預報)深度使用。大數據平台的建設原則是「統一設計、分期建設、有序推進」。一是完成平台基礎架構，基本形成數據治理架構，實現數據可視化分析展示，開展輔助決策工作。然後完善平台的功能，不斷擴展平台連接的業務系統/數據，提供深度感知和智能決策服務。
輔助決策系統實現了園區整體業務運營的總覽，對業務場景的8個核心指標和業務狀態進行了設計、融合、分析和實現，共計29類。它採用逐級細化的可視化展示方式，業務數據的粒度由粗到細，實現了業務監管的分層決策模式。結合2D/3D GIS技術的使用，實現了工業互聯網園區業務管理「一張圖」。
挖掘典型使用場景推進工業互聯網園區建設
園區內外生產性、生活性服務企業涉及原材料進出口、儲罐儲存、運輸管廊運維、污水處理、熱力供電等公共功能。企業積極響應工業互聯網園區建設，形成典型的數字化使用場景，具體如下。
(1)數字結對。基於「GIS數字孿生」等技術，構建園區化工材料、能源材料輸送管廊三維可視化數字化管理平台。結合智能感測器實現管廊的智能化管理，將企業運營、安全、生產、財務等多業務維度指標統一可視化展示。
(2)資產管理。對公用事業服務企業相關資產進行數字化識別、快速盤點、精準定位、全生命周期管理等創新使用，實現資產的可管、可控、增值。
(3)智能巡檢。基於懸浮軌道機器人、地面行走機器人、集成IOT感測終端等。實時感知和監控管道和關鍵設備的運行狀態，形成一體化的空中和地面檢測網路。
(4)熱電平衡。針對園區內多家企業對供汽穩定性的高要求，搭建了蒸汽配額交易平台，平衡不同企業間因生產峰谷和配額利用率差異造成的供汽不穩定或浪費，實現供需精準匹配和資源優化。
(5)環境監測。基於生產企業
業廠內物聯網和園區廣域網的覆蓋，建立多源環保污控數據集成監控體系，實現對園區內重點企業、重點區域的污染源狀態、排放數據及環境質量數據的實時監測與預警。
另外，園區充分發掘主體化工生產型企業智慧化建設的內在動力，引導、鼓勵企業結合自身實際，加大投入，開展技術和智能化改造，提升智能製造水平，目前已形成生產過程管理信息化、生產過程工藝自動化、智能巡檢/運維、能源管理、智能輸送、視頻監控等工業互聯網使用場景。
打破園區數據孤島，園區管理運營更上一層樓
上海化學工業區實現了普通政務雲與園區使用、醫療生產力系統、公安封閉系統、物聯網及視頻系統的融合，在確保數據安全和使用順暢的情況下保持了原有的個性化資源需求。目前，園區各類項目上雲超過20個，資源使用率超過85%；平台運行平穩，總體可用率超過99.99%；使用部署時間從原來的3~6個月縮短為3~5天；等級保護三級評測達到90分以上，未出現信息安全問題。
上海化學工業區數據平台將採集的8200萬余條數據歸入3類、15項、21目、256細目的數據體系中，在此基礎上形成7大主題庫和256個業務庫，通過API為各類使用提供了430個數據元素。平台的建設初步打破了管委會、公用工程服務企業和生產企業間的信息孤島，可以為園區管理運營的各個領域提供快速、有效的決策支持，為上海化學工業區的管理和服務提供新的洞察力，提升園區治理、運營和公眾服務的智能化水平。
專家推薦語
上海化學工業區建設之初開創性地提出了「五個一體化」的發展理念，引領帶動全國石油和化工園區的發展。園區進行大數據雲計算中心建設，將普通政務雲與園區使用充分融合，搭建智慧決策平台，匯集各類業務數據，進行實時分析和可視化展示，服務於園區不同客戶，提升園區運營和服務的智能化水平，對於全國范圍內經濟開發區、高新區及工業園區具有較高的可借鑒性和可復制性。
系統軟體用於管理計算機資源，並為使用軟體提供一個統一的平台。 使用軟體則在系統軟體的基礎上實現用戶所需要的功能。支撐軟體是支撐各種軟體的開發與維護的軟體,又稱為軟體開發環境。它主要包括環境資料庫、各種介面軟體和工具組。著名的軟體開發環境有IBM公司的Web Sphere,微軟公司的***.NET等。包括一系列基本的工具（比如編譯器，資料庫管理，存儲器格式化，文件系統管理，用戶身份驗證，驅動管理，網路連接等方面的工具）。
4. 上海超算中心主任啥級別
上海超算中心主任周曦民，教授虧森級高級，博士。其兼任上海市突出貢獻專家協會副會長及人工智慧專業委員會主任、上海大數據聯盟副理事長、秘書襪空知長，中國人工告消智能產業發展聯盟專家委員會委員等。回答完畢，謝謝。
5. 上海財經大學金融大數據統計學習理論與方法及互聯網金融中的應用項目
上海財經大學的「金融大數據統計學習理論與方法及在互聯網金融中的應用」項目是重大研究計劃「大數據驅動的管理與決策研究」的重點支持項目。該項目擁有一支經驗豐富、工作高效並具有國際影響力的學術研究團隊。
上海財經大學有法學、中國語言文學、外國語言文學、新聞傳播學、農林經濟與管理、公共管理、理論經濟學、應用經濟學、工商管理、管理科學與工程、統計學、馬克思主義理論等一級學科碩士學位授權點。
近年來，「大數據」已成為互聯網、新聞媒體、學術機構、政府企業管理人員等多方關注的熱點。隨著現代科學技術姿者尤其是計算機、網路信息、生物工程等技術的發展，大量的數據出現在許多不同的自然科學和人文科學領域，包括生物學、醫學、信息技術、經濟、金融，環境科學等，並以前所未有的速度產生和積累。大數據涵蓋的數據量大、包羅萬象、變化速度快、存在的形式多種多首姿樣，可以是包括文字、圖片、視頻等多種信息的集合。在新一輪科技和產業競爭中，大數據已經是與自然資源、人力資源一樣重要的戰略資源，著名管理公司麥肯錫聲稱，「數據已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。」在這樣的背景下，美國政府2012年宣布投資2億美元啟動「大數據研究和發展計劃」，這是繼1993年美國宣布「信息高速公路」計劃後的又一次重大科技發展部署。
大數據潮流使得我們獲得了海量的數據，但掌握這些海量的數據本身並無意義。真正的意義體現在對於含有信息的數據進行專業化的處理。加強大數據科學研究和促進大數據應用開發將為未來我國在大數據領域掌握競爭主動權奠定基礎，是關系我國國家和社會穩定、提高科技創新水平、推動國民經濟可持續發展、提升社會管理服務能力的重大需求。可以預見未來國家之間的經濟與政治競爭將是大數據引領的競爭。
隨著互聯網金融的蓬勃發展，大數據技術逐漸成為其與傳統金融行業抗衡的保證。然而互聯網金融與傳統金融雖然形式上有區別，但其背後的金融「契約」本質並沒有大的改變，風險測跡芹薯度和管理依舊是重中之重。本課題以「互聯網金融風險」為核心研究對象，以各類不同發展的業務模式為研究場景，深入討論對於互聯網金融風險的計量和管理，促進虛擬經濟發展和實體經濟結構轉型，並總結和規劃未來發展導向，更好地為政府指導和監管決策，為虛擬經濟健康發展、實體經濟升級調整提出參考意見和建議。
項目負責人、上海財經大學統計與管理學院院長周勇教授表示，面對大數據應用的快速發展、國家經濟和金融安全所提出的迫切需求，我們面臨著大數據分析方法瓶頸與挑戰，需要發展大數據基礎分析的理論方法和技術，同時應用這些理論方法研究大數據下的數據降維技術和演算法，深入研究互聯網金融風險管理、高頻海量數據市場行為和管理決策等前沿問題。
「金融大數據統計學習理論與方法及在互聯網金融中的應用項目將對金融大數據統計推斷理論及其應用等重大問題展開研究，研究內容的核心是金融大數據計量建模和快速演算法的提出。我們希望通過相關研究，一方面，能在大數據金融計量理論和方法上進行創新，走向本領域學科研究的國際前沿。另一方面，也能為我國金融體系的安全運行提供深刻的實證依據和切實可行的政策建議。」
考研政策不清晰？同等學力在職申碩有困惑？院校專業不好選？點擊底部官網，有專業老師為你答疑解惑，211/985名校研究生碩士/博士開放網申報名中：https://www.87dh.com/yjs2/
6. 航班管家開放平台——打造航空鐵路出行行業的企業級SaaS服務平台
「 本項目案例由 航班管家 投遞並參與 由數據猿&上海大數據聯盟聯合推出的「行業盤點季之數智化轉型升級」大型主題策劃活動之《2021中國企業數智化轉型升級創新服務企業》榜單/獎項的評選。
航班管家開放平台是航空鐵路出行行業首個SaaS級服務平台，聚焦大交通出行服務行業數字化升級，基於民航局空管局授權的官方動態數據，整合航空、鐵路、場站、旅客、貨運等多維度數據，結合擁有自主知識產權的演算法模型與行業Know-how，面向行業提供多種數據服務產品和數據解決方案，賦能行業合作夥伴、幫助其提效降本。
如數字化程度有待提高的旅行社、票務代理、TMC、企業差旅部門等，用戶在其平台購票後，需要通過其他第三方平台查詢航班/列車動態信息，用戶體驗感和便利程度大大降低，航班管家面向這些企業，提供SaaS級產品【行程服務H5】，客戶可根據自身需求進行頁面個性化配置，然後將配置好的頁面直接嵌入自有APP、公眾號、小程序等產品中，方便用戶在自有平台完成購票、動態查詢等服務，形成服務閉環，提高用戶體驗，同時降低企業開發成本。
面向數據分散在各個部門、協調難度大，但正在進行數字化轉型的航司、機場等企業，還有需要分析數據的金融、券商、媒體、院校、咨詢公司、研究機構等行業，航班管家提供【智數出行】服務，包括數據分析平台、可視化大屏、大數據分析報告等產品，分析行業數據、洞察行業發展，提供有價值的分析結果與行業洞見，以滿足行業日常工作及決策支撐需要，助力企業數字化轉型升級。
實施時間
開始時間：2021年1月初完成項目立項
里程碑節點：
2021年1月25日
·官網V1.0版本上線。
·華為雲上代碼部署，正式環境搭建完成。
2021年4月8日
·平台V1.0版本上線，支持賬號認證、產品服務開通。
2021年5月31日
·平台V2.0版本上線，行程服務產品支持套餐包購買，H5版本官網、產品介紹頁上線。
·首批客戶上線，分貝通、公務之家、qq瀏覽器、UC瀏覽器等。
2021年6月30日
·平台V3.0版本上線，官網全新改版、行程服務產品支持功能模塊可配置化、支持在線掃碼支付。
截止時間：2021年年8月底
依託於航班管家多年的數據積累及服務B端、C端用戶經驗總結，打造一站式開放平台，致力於為多種行業用戶提供民航、鐵路、航空貨運大交通數據及其衍生產品與服務，如行程服務H5、API介面、大數據分析報告、數據分析工具及可視化等，助力企業提升服務水平、降低成本、提高效率，並為企業決策提供輔助支持。
行程服務H5
為OTA/TMC/旅行社/企業差旅部門等，提供基於H5頁面的航空/鐵路行程全流程信息服務，企業可將H5頁面直接嵌入自有移動端產品中，如APP、公眾號、小程序，讓出行旅客/員工不再依賴其他第三方產品，在自有產品中即可掌握行程動態信息，方便旅客/員工合理安排規劃行程，提升出行體驗，提高服務滿意度，增強用戶黏性，同時降低企業開發維護成本。
API介面
為各類需要航班/列車動態信息、航班/列車准點率、飛機/列車基礎參數、機場/車站基礎設施信息及其他相關數據的企業，提供API介面服務。如用車行業，基於實時的航班/列車動態信息，做好機場/車站接送業務支持，合理安排車輛調度，提高服務效率；保險業，基於准點率數據，實現延誤險動態定價，基於航班/列車動態數據，自動判斷航班延誤/取消是否達到賠付標准，實現自動理賠，提高理賠效率；OTA，提供飛機/列車基礎參數數據，如機型、車型、座椅間距、 娛樂 設施配備等，供用戶在選擇航班時做參考，提升服務體驗感。
數據報告
基於航班管家多年的民航鐵路數據積累，分析民航鐵路交通運輸和旅客出行狀況，提供定期、專題等多種類型的專業分析報告，還可基於行業專家團隊能力提供深度行業咨詢服務，從整體上把握市場趨勢，為日常工作及生產經營決策提供支持。如為發動機製造商，圍繞機隊數據、飛機利用率、停場時長等指標，提供機隊分析報告，幫助其快速掌握航司機隊狀況；為機場、航司、金融、證券、媒體等行業，圍繞計劃/實際航班量、航班執飛率、航班座位數、航班擁擠度、旅客運輸量等指標，提供民航運行周報，從整體上把握民航運行狀況，了解行業趨勢；節假日時發布專題報告，分析旅客出行數據， 探索 旅客出行規律，為航司、旅行社、酒店等企業，在制定節假日產品時，提供數據支持。
數據分析工具及可視化
基於行業領先且專業的民航鐵路出行大數據及擁有自主知識產權的演算法模型，通過可視化平台，將分析、預測數據深入淺出的展現出來。如Mapping System（航線網路圖），提供航司、機場航線布局，並對數據進行分析展示，方便用戶直觀便捷的查機場/航司航線狀況、通航點狀況、空鐵聯運銜接狀況；大數據平台，提供官方統計、機場分析、航司分析、航線分析、鐵路分析等分析模塊，幫助航司/機場快速掌握民航鐵路整體運行狀況，了解對標機場/航司運行狀況，為機場/航司運行、服務提升、產品優化提供數據支撐；為文旅廳，提供空鐵聯運實時監測系統，幫助文旅廳實時掌握機場/火車站實時旅客流量、航班運行狀況、旅客運行狀況，提前做好景區開放、接待籌備等工作。
海量數據實時處理，及時准確對外輸出。我們的數據覆蓋全球1100+家航空公司，5000+座機場，境內航班數據覆蓋率達100%，全球航班覆蓋率達98%，每天處理超過20萬趟航班的動態信息，智能推送40多類旅客行程關懷信息，國內航班實際起降時間准確率達99%。同時，自建鐵路資料庫已覆蓋國內3138個車站，10000+班車次，每日覆蓋中國國內90W+進出站車次。
航班動態的數據是由數據生產者實時解析的，數據生產者將解析的數據發送到Kafka，由消費服務對數據進一步消費處理，最終由消費服務將有效的數據同步到MySQL資料庫中存儲。
全球每天約有10萬次航班的起降，預計每分鍾產生5萬條航班動態數據合計14M，每天產生的數據約20.4G，每月612G，每年7.2T ; 航班管家數據覆蓋全球1100+家航空公司，5000+座機場，境內航班數據覆蓋率達100%，全球航班覆蓋率達98%，每日處理超過20萬趟航班的動態信息。
為了面向行業提供多種數據服務產品和數據解決方案，賦能行業合作夥伴、幫助其提效降本，2021年01月06日，公司領導召集部分員工，確定了項目的大致方向，提出了依託現有的航班、高鐵數據介面，開發一個「航班管家開放平台」的SaaS平台。
01
項目設計
研發人員根據項目提出的需求，第一時間畫了簡單的設計圖。
航班管家開放平台可主要分為3個大模塊和15個子模塊：3個大模塊分別是控制台模塊、數據服務模塊、數據中心模塊。15個子模塊分別是：用戶模塊、鑒權模塊、產品模塊、網關模塊、API數據模塊、H5數據模塊、控制台模塊、管理後台模塊、賬單模塊、余額模塊、批價模塊、支付模塊、時間軸模塊、行程中心模塊、行程消息模塊。
控制台模塊：
提供用戶專屬賬號登陸「航班管家開放平台」的控制台，開通「行程服務」中的產品獲取航班、高鐵服務的專屬API介面數據和下載「數據報告」產品中有價值的大數據分析報告等。
數據服務模塊：
數據中心模塊：
基於民航空管局授權的官方動態數據，整合航空、鐵路、場站、旅客、貨運等多維度數據，結合擁有自主知識產權的演算法模型與行業Know-how，構建有價值的數據。
02
技術選型
技術團隊了解完業務的需求，考慮到用戶的類型和規模，為了保證系統的安全性、可用性、穩定性、可伸縮性和可維護性，確定了以下的架構模式：
2.1、分層模式：
控制台模塊採用的是分層模式：表示層、應用層、數據訪問層。
表示層：
使用Vue.js等進行前端展示，完成集成和數據展示功能。
應用層：
使用Spring Cloud、Log4j、MyBatis等開源框架，Spring Cloud使用的計算機編程語言是Java，保證了系統代碼的可移植性、安全性、可維護性，同時它也是一個分布式系統，保證了系統的可伸縮性、可維護性、可用性。
數據訪問層：
綜合使用Kafka、MySQL、Redis等多種開源技術，高效完成數據存儲、資源調度、數據計算等，為業務及其他環節做支撐。
2.2、主從設備模式
數據中心模塊中的資料庫MySQL採用主從設備模式：主設備儲存數據最終的計算結果，從設備中返回主設備中的計算結果。
MySQL使用主從設備模式，實現了實時災備，在單台機器發生故障的時候，可以迅速的切換到其它機器，即實現了數據的備份，又保證了服務的高可用，同時從設備可以有多個，也保留了服務的擴展性。
2.3、代理模式
採用Nginx伺服器的反向代理，防止主伺服器被惡意攻擊，確保數據的安全，提供數據的防護能力。同時Nginx伺服器提供有負載均衡和動靜分離的實現支持，可以極大的提高服務的安全性、穩定性，可用性。為了進一步保證網路安全，所有的服務均採用HTTPS加密協議進行網路資源傳輸，為用戶良好的體驗效果提供保障。
03
實施過程
2021-01-18
以下模塊分別完成了伺服器端文檔編寫和介面開發並發布測試環境：
1. 產品模塊完成了H5資源和API資源的在線配置相關介面；
2. 鑒權模塊完成了資源訪問的鑒權相關介面；
3. 用戶模塊完成賬戶信息的維護相關介面；
4. API數據模塊完成了航班數據輸出介面、高鐵正晚點數據輸出介面；
5. H5數據模塊完成了航班詳情頁和高鐵詳情頁伺服器端介面；
6. 控制台模塊完成產品列表、應用列表相關介面。
2021-01-25
1. 控制台模塊和產品模塊、鑒權模塊、前端完成聯調和上線；
2. 網關模塊和鑒權模塊、產品模塊、H5數據模塊、API數據模塊完成聯調並上線；
3. 管理後台模塊完成了基礎框架的搭建和許可權系統的開發、測試和部署到線上華為雲。
2021-02-25
以下模塊分別完成了伺服器端文檔編寫和介面開發並發布測試環境：
1. API數據模塊完成高鐵動態、列車時刻表輸出相關介面；
2. H5數據模塊完成航班詳情頁內部跳轉鏈接頁面、高鐵詳情頁內部跳轉鏈接頁面；
3. 時間軸模塊完成卡片元數據和階段卡片關聯的相關介面；
4. 控制台模塊完成用戶注冊、找回密碼、更換手機號、主題配置相關介面；
5. 管理後台模塊完成產品貨架的展示、產品上下架，用戶信息，系統配置。
2021-03-08
1. API數據模塊和網關模塊完成高鐵動態、列車時刻表輸出的聯調、上線；
2. H5數據模塊和網關模塊、前端完成航班詳情頁、高鐵詳情頁內部跳轉鏈接頁面的聯調、上線；
3. 時間軸模塊和管理後台模塊完成卡片元數據和階段卡片關聯的聯調、上線；
4. 控制台模塊和用戶模塊、前端完成戶注冊、找回密碼、更換手機號、主題配置的聯調、上線；
5. 管理後台模塊完成產品貨架的展示、產品上下架、用戶信息、系統配置的上線。
2021-03-26
以下模塊分別完成了伺服器端文檔編寫和介面開發並發布測試環境：
2. 行程消息模塊完成消息推送、消息列表展示的相關介面；
3. 控制台模塊完成用戶的認證、應用的動態配置、銀行卡對公轉賬充值的相關介面；
4. 批價模塊完成了產品的批價處理相關介面；
5. 賬單模塊完成了生成產品的消費訂單相關介面；
6. 余額模塊完成了消費訂單的扣費相關介面
7. 支付模塊完成了企業賬戶信息的維護、銀行卡對公轉賬充值到余額、余額支付、余額查詢的相關介面；
8. 管理後台完成用用戶認證審核、戶充值的訂單和充值處理的相關介面。
2021-04-08
1. 行程中心模塊和網關模塊、控制台模塊完成了聯調、上線；
2. 行程消息模塊和網關模塊、控制台模塊完成了聯調、上線；
3. 賬單模塊和批價模塊、余額模塊、支付模塊完成了聯調、上線；
4. 控制台模塊和支付模塊、管理後台模塊、前端完成了聯調、上線；
5. 管理後台模塊和控制台完成了聯調、上線。
2021-05-15
以下模塊分別完成了伺服器端文檔編寫和介面開發並發布測試環境：
1. 支付模塊完成支付寶、微信掃碼支付的相關介面；
2. 賬單模塊完成了日賬單、月賬單統計和明細查詢的相關介面；
3. 控制台模塊完成了用戶賬單的匯總和明細的展示和導出、行程服務產品套餐包展示和購買和訂單的支付、查詢相關介面；
4. 批價模塊完成行程服務產品套餐包的批價；
5. 管理後台模塊完成產品套餐的錄入、上下架，用戶購買套餐的展示、用戶訂單的相關功能。
2021-05-31
1. 支付模塊和控制台完成掃碼支付的聯調、上線；
2. 賬單模塊和控制台完成賬單統計和明細查詢的聯調、上線；
3. 控制台模塊和支付模塊、前端完成套餐的展示、購買和訂單列表的查詢的聯調和上線；
4. 批價模塊和控制台模塊完成套餐包相關產品的計費調整的聯調和上線；
5. 管理後台模塊完成了測試和上線。
2021-06-18
以下模塊分別完成了伺服器端文檔編寫和介面開發並發布測試環境：
1. 控制台模塊完成支付寶、微信掃碼充值到余額，航班詳情頁、高鐵詳情頁支持功能模塊可配置化；
2. H5數據模塊完成航班詳情頁、高鐵詳情頁功能模塊的動態展示。
2021-06-30
1. 控制台模塊和支付模塊、前端完成掃碼充值聯調、航班/高鐵詳情頁的功能模塊動態配置的聯調、上線；
2. H5數據模塊和前端完成航班詳情頁、高鐵詳情頁功能模塊的動態展示的聯調、上線；
3. 前端完成官網的全新改版上線。
民航局空管局官方授權數據，為航班信息提供了官方來源的數據，充實、完善了底層資料庫。
·與交通行業專業院校、科研院所、金融券商等展開合作，特聘各領域專家組成專家團隊，為客戶提供深度的行業咨詢服務及分析報告產品。
一、項目定位
1. 概述：大交通數據及服務開放平台，為多種行業用戶提供民航、鐵路、航空貨運大交通數據及其衍生產品服務，並根據各行業特色和需求，提供個性化、配套完善的解決方案。
2. 目標：封裝航班管家的各項能力，向平台用戶輸出多種類的產品服務及解決方案。提供一站式自助化線上服務，降低自身人力成本投入。
3．提供成熟穩定的行程服務H5頁面，企業可在自有移動端產品中嵌入航班、列車行程服務及行程管理頁面，以企業自己的品牌，在自有產品中一站式全流程服務出行用戶，讓用戶能輕松管理自己的行程。幫助企業顯著提升用戶出行體驗，更好服務用戶，創造更多商業價值。
4. 可為企業高效快速對接以下成熟型行程服務產品降低企業開發成本、提升用戶出行服務滿意度，如行程管理、航班行程服務、列車行程服務、全場景服務信息推送。用戶可隨時查看已有行程/ 歷史 行程
用戶可自主添加航班、列車行程，支持航班號/起降地查詢航班信息、車次號/出發到達站查詢火車信息，航班行程服務，圍繞用戶航空出行場景，提供精準的航班動態信息，並將航空出行全流程劃分為多個階段，在不同階段提供不同的數據和服務，企業可通過H5頁面將服務嵌入自有產品中，為用戶提供一站式全流程服務。不同行程階段，給用戶提供的服務，可以在平台進行配置。實時、精準呈現航班動態相關信息，大數據預測起飛及到達時間，准確告知值機櫃台和登機口信息，詳細指引登機路線，確保用戶順利登機，航班近期准點率及平均延誤時長統計。
二、目標群體
1. 短期目標群體：
有數據使用需求的中小型用戶，如券商、咨詢公司、學者學生、創業開發者等（對標API介面產品）。
有數據分析需求，需要數字化分析工具的用戶，如機場、航司、政府、製造商等（對標數據平台、數據報告產品）。為C端提供行程服務需求的用戶如中小型OTA、TMC等（對標行程服務產品）。
2. 長期目標群體：
有貨運數據需求的用戶，如物流、貨運代理等（對標貨運服務產品）
為服務的各領域提供專業的解決方案，如OTA、物流、航司、機場、製造商、用車、保險、車聯網、集成系統開發、雲服務等。
成效：
保險：行業數據分析核算，實時核保，賠付周期提升99%，賠付率降低50%，優化用戶服務體驗。
網約車：合理優化網約車資源利用率，平均減少接送機司機空等時間75分鍾/年。
酒店：為酒店提供用戶行程管理，6小時酒店航班信息同步，提高房源利用率，提升「機+酒」服務體驗。
物流：為物流快遞行業提供發貨前中後數據信息參考，航班管家為中國90%的航空快件服務商賦能提效。
航班管家
航班管家是國內領先的智能出行平台，以「航班+高鐵」的行程服務為核心，服務全面覆蓋航班、高鐵以及專車接駁三大出行場景，服務所有大交通出行用戶。面向C端，航班管家為用戶提供航班/列車動態信息、票務/酒店預訂、專車接送、出行攻略內容等在內的一站式出行服務，讓出行成為美好的生活方式；面向B端，航班管家構建覆蓋航班和鐵路出行全場景的企業級SaaS平台，聚焦大交通出行服務行業數字化升級，為OTA、TMC等行業提供多場景服務解決方案，賦能合作夥伴，提效降本。
7. 上海雲夫子大數據培訓怎麼樣
很好。根據查漏則詢相關資料顯示：主要就是教學方式非常豐富，教學質量高，培訓內容很全面，運鎮大家可以返悄棚學習到很多。
8. [恆豐銀行]基於大數據的精準營銷模型應用
【案例】恆豐銀行——基於大數據的精準營銷模型應用 https://mp.weixin.qq.com/s?src=3×tamp=1500159788&ver=1&signature=-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs *=
本篇案例為數據猿推出的大型 「金融大數據主題策劃」 活動 （查看詳情） 第一部分的系列案例/徵文；感謝** 恆豐銀行** 的投遞
作為整體活動的第二部分，2017年6月29日，由數據猿主辦，上海金融信息行業協會、互聯網普惠金融研究院合辦，中國信息通信研究院、大數據發展促進委員會、上海大數據聯盟、首席數據官聯盟、中國大數據技術與應用聯盟協辦的 《「數據猿·超聲波」之金融科技·商業價值探索高峰論壇》 還將在上海隆重舉辦 【論壇詳情】 【上屆回顧（點擊閱讀原文查看）】
在論壇現場，也將頒發 「技術創新獎」、「應用創新獎」、「最佳實踐獎」、「優秀案例獎」 四大類案例獎
本文長度為 6000 字，建議閱讀 12 分鍾
如今，商業銀行信息化的迅速發展，產生了大量的業務數據、中間數據和非結構化數據，大數據隨之興起。要從這些海量數據中提取出有價值的信息，為商業銀行的各類決策提供參考和服務，需要結合大數據和人工智慧技術。國外的匯豐、花旗和瑞士銀行是數據挖掘技術應用的先行者。在國內的商業銀行中，大數據的思想和技術逐步開始在業務中獲得實踐和嘗試。
面對日趨激烈的行業內部競爭及互聯網金融帶來的沖擊，傳統的上門營銷、電話營銷，甚至是掃街營銷等方式跟不上時代的節奏。利用精準營銷可節約大量的人力物力、提高營銷精準程度，並減少業務環節，無形中為商業銀行節約了大量的營銷成本。
雖然恆豐銀行內部擁有客戶的基本信息和交易等大量數據，但是傳統的營銷系統並沒有挖掘出行內大量數據的價值，仍然停留在傳統的規則模型。當下，恆豐銀行接入了大量的外部數據，有著更多的維度，如果將內部數據與外部數據進行交叉，則能產生更大的價值。客戶信息收集越全面、完整，數據分析得到的結論就越趨向於合理和客觀。利用人工智慧技術，建立精準營銷系統變得可能且必要。
恆豐銀行基於大數據的精準營銷方案是利用大數據平台上的機器學習模型深入洞察客戶行為、客戶需求，客戶偏好，挖掘潛出在客戶，實現可持續的營銷計劃。
周期/節奏
2016.4-2016.5 完成需求梳理和業務調研，並在此基礎上進行總體方案設計。
2016.5-2016.8 整理銀行內、外部數據，根據營銷需求制定客戶標簽和設計文檔，實施用戶畫像。
2016.8-2016.10 在用戶畫像的基礎上，構建理財產品個性化推薦系統。其中包括個性化推薦演算法調研，模型對比等一系列工作。
2016.10-2017.1 客戶需求預測並對客戶價值進行建模，並完善整合精準營銷應用模型。
2017.1-2017.3 用戶畫像、個性化推薦、客戶價值預測等精準營銷模型上線。
客戶名稱/所屬分類
恆豐銀行/客戶管理
任務/目標
根據零售業務營銷要求，運用多種數據源分析客戶行為洞察客戶需求，實現精準營銷與服務，提高銀行客戶滿意度和忠誠度。
針對不同的客戶特徵、產品特徵和渠道特徵，制定不同市場推廣策略。為了完成以上任務，主要從以下幾個方面構建精準營銷系統：
1.用戶畫像： 結合用戶的歷史行為和基本屬性給用戶打標簽。
2.精準推薦系統： 給用戶推薦個性化理財產品， 例如在微信銀行中給每個客戶推薦他喜歡的產品，幫客戶找到其最適合的產品，增加產品的購買率。
3.需求預測和客戶價值： 新產品發售的時候，找到最有可能購買該產品的客戶，進行簡訊營銷，進而提高產品響應率。客戶價值精準定位，根據客戶價值水平制定不同的推薦策略。銀行通過計算客戶使用其產品與服務後所形成的實際業務收益，充分了解每一個客戶的貢獻度，為管理層提供決策支撐。
挑戰
項目實施過程由用戶畫像，精準推薦系統，需求預測和客戶價值建模三部分組成，採用TDH機器學習平台Discover所提供的演算法和模型庫進行開發和驗證。
（一）用戶畫像的建立
客戶標簽主要包含客戶基本屬性，客戶等級標簽，客戶偏好標簽，客戶交易特徵，客戶流失特徵，客戶信用特徵，客戶終身價值標簽，客戶潛在需求標簽。
（二）精準推薦系統的建立
由於系統復雜，且篇幅有限，僅對其中最重要的理財推薦系統做詳細闡述。精準推薦系統架構圖如下。
2.1業務問題轉化為機器學習問題
業務問題
銀行理財產品個性化推薦給客戶。 例如在微信銀行中給每個客戶推薦此客戶喜歡的產品，幫客戶找到其最適合的產品，增加產品的購買率。
將業務問題轉化為機器學習問題
理財產品種類繁多，產品迭代速度很快，客戶在繁多的產品中不能快速找到適合自己的產品，因此有必要建立一個自動化推薦模型，建立客戶理財偏好，給客戶推薦最適合的產品。
將銀行理財產品推薦業務問題轉化為機器學習問題，進而利用人工智慧技術提高推薦產品的點擊率和購買率。例如在恰當的時間，通過用戶偏好的渠道給用戶推薦產品，推薦的結果為用戶購買或者未購買。這個問題可以看作一個典型機器學習二分類問題：基於歷史營銷數據來訓練模型，讓模型自動學到客戶購買的產品偏好，並預測客戶下次購買理財產品的概率。對模型預測出所有客戶對所有產品的響應概率進行排序，可選擇客戶購買概率最高的topN個產品推薦給客戶。
下面將敘述如何構建該推薦預測模型。
2.2數據源准備
在建立的一個理財推薦模型之前，可以預見到相似的客戶可能會喜好相似的產品（需要表徵客戶和產品的數據），同一個人的喜好可能具有連續性（購買歷史交易數據，包括基金國債等），他的存款、貸款資金可能決定了他能購買什麼檔次的理財等等。因此，我們需要准備以下數據。
客戶基本屬性：客戶性別，年齡，開戶時間，評估的風險等級等等。
產品基本屬性：產品的逾期收益率，產品周期，保本非保本，風險等級等。
客戶購買理財產品的歷史：在什麼時候購買什麼產品以及購買的金額。
客戶的存款歷史： 客戶歷史存款日均余額等。
客戶的貸款歷史： 客戶歷史貸款信息等。
客戶工資：客戶工資的多少也決定了客戶購買理財的額度和偏好。
用戶畫像提取的特徵：用戶的AUM等級，貢獻度，之前購買基金，國債的金額等。
2.3特徵轉換和抽取
有了這么多數據，但是有一部分特徵是演算法不能直接處理的，還有一部分數據是演算法不能直接利用的。
特徵轉換
把不能處理的特徵做一些轉換，處理成演算法容易處理的干凈特徵。舉例如下：
開戶日期。就時間屬性本身來說，對模型來說不具有任何意義，需要把開戶日期轉變成到購買理財時的時間間隔。
產品特徵。從理財產品信息表裡面可以得到風險等級，起點金額等。但是並沒有標志這款產品是否是新手專屬，是否是忠誠客戶專屬。這就需要我們從產品名字抽取這款產品的上述特徵。
客戶交易的時間信息。同客戶的開戶日期，孤立時間點的交易信息不具有任何意義，我們可以把交易時間轉變為距離上次購買的時間間隔。
特徵抽取
還有一部分數據演算法不能直接利用，例如客戶存款信息，客戶交易信息。我們需用從理財交易和存款表中抽取可能有用的信息。
用戶存款信息：根據我們的經驗，客戶購買理財之前的存款變動信息更能表明客戶購買理財的真實想法，因此我們需要從客戶歷史存款數據抽取客戶近三個月，近一個月，近一周的日均余額，以體現客戶存款變化。
客戶交易信息：客戶最近一次購買的產品、購買的金額、及其相關屬性，最近一個月購買的產品、購買的金額及其相關屬性等等。
以上例舉的只是部分特徵。
2.4構造、劃分訓練和測試集
構造
以上說明了如何抽取客戶購買理財的相關特徵，只是針對正樣本的，即客戶購買某種理財時候的特徵。隱藏著的信息是，此客戶當時沒有購買其他在發售的產品。假設把客戶購買了產品的標簽設為1，沒有購買的產品樣本設為0，我們大致有如下訓練樣本（只列舉部分特徵）。
其中客戶是否購買產品是我們在有監督訓練的標簽，也就是我們建立的是一個預測客戶是否會購買產的模型。
劃分訓練集和測試集
考慮到最終模型會預測將來的某時間客戶購買某種產品的概率，為了更真實的測試模型效果，以時間來切分訓練集和測試集。具體做法如下。假設我們有2016-09-01 ~ 2017-03-20 的理財購買相關數據。以2016-09-01 ~ 2017-03-19的理財交易數據作為訓練，2017-03-20這一天的客戶對每個產品是否購買的數據作為測試。以2016-09-01 ~ 2017-03-18的理財交易數據作為訓練，2017-03-19這一天的客戶對每個產品是否購買的數據作為測試，以此類推。
2.5模型訓練
根據提取的特徵，組成樣本寬表，輸入到分類模型，這里選擇了TDH平台機器學習組件Discover所提供的近百個分布式演算法進行建模和訓練，同時我們還使用了特徵的高階交叉特性進行推薦的預測和分析。
2.6模型評估
評價推薦好壞的指標很多，比較常用的有
1.ROC曲線下面積（AUC）
2.logloss
3.推薦產品第一次命中rank的倒數（MRR）
4.TopN
針對銀行的理財推薦實際業務，客戶當天絕大多數是只購買了某一款理財，MRR(Mean Average Precision 的特殊情況)能反應這種情況下推薦的好壞。另一種直觀的評價指標是TopN，假定我們只推薦N個模型認為客戶最有可能購買的產品，並和真實情況比較，就能得到當天推薦的結果的混淆矩陣，TN，TP，FN，FP，recall，precision等。
我們在生產上驗證了最近十天的推薦效果，即測試了2017-03-20， 2017-03-19，…… , 2017-03-11等十天的推薦效果，以下是這些結果的評價。
AUC
Logloss
MRR
0.89
0.45
0.78
也可以把新客戶（之前沒有購買理財）和老客戶（至少購買過一次）分開評估效果。 新客戶的購買佔了整個理財購買的1/3 以上。
測試新客戶的預測效果，可以看出模型對冷啟動問題解決的好壞。
對新客戶的預測效果
AUC
Logloss
MRR
0.80
0.73
0.32
對老客戶的預測效果
AUC
Logloss
MRR
0.92
0.38
0.88
2.7模型優化
1.上線之前的優化：特徵提取，樣本抽樣，參數調參
2.上線之後的迭代，根據實際的A/B testing和業務人員的建議改進模型
（三）需求預測和客戶價值
「顧客終生價值」(Customer Lifetime Value)指的是每個購買者在未來可能為企業帶來的收益總和。研究表明，如同某種產品一樣，顧客對於企業利潤的貢獻也可以分為導入期、快速增長期、成熟期和衰退期。
經典的客戶終身價值建模的模型基於客戶RFM模型。模型簡單的把客戶劃分為幾個狀態，有一定意義但不一定準確，畢竟RFM模型用到的特徵不全面，不能很好的表徵客戶的價值以及客戶銀行關系管理。
為了方便的對客戶終身價值建模，有幾個假定條件。其一把客戶的購買價值近似為客戶為企業帶來的總收益，其二把未來時間定義在未來一個季度、半年或者一年。也就是我們通過預測客戶在下一個時間段內的購買價值來定義客戶的終身價值。因此，我們將預測的問題分為兩個步驟：第一步預測這個客戶在下一個階段是否會發生購買（需求預測）。第二步對預測有購買行為的客戶繼續建模預測會購買多大產品價值。
3.1需求預測
提取客戶定活期存款、pos機刷卡、渠道端查詢歷史等特徵，以這些特徵作為輸入預測用戶在當前時間節點是否有購買需求，訓練和測試樣本構造如下：
1.歷史用戶購買記錄作為正樣本。
2.抽樣一部分從未購買的理財產品的用戶作為負樣本集合Un，對於每一個正樣本Un中隨機選取一個用戶構造負樣本。
3.選取2016.04-201610 的購買數據作為訓練樣本，2016.11的數據作為測試樣本。
使用機器學習演算法進行分類訓練和預測，重復上述實驗，得到下列結果:
AUC: 0.930451274
precision: 0.8993963783
recall: 0.8357507082
fmeasure: 0.8664062729
進一步對客戶分群之後，可以更好的對新客戶進行建模，對於老客戶我們可以進一步提取他們的歷史購買特徵，預測他們在下一段時間內購買的產品價值（數量，金額等），對於新客戶，可以進根據他的存款量預測其第一次購買的產品價值，把存款客戶變成理財客戶。通過分析客戶存款變動於客戶購買理財的關系，我們發現客戶購買理財的前一段時間內定活期的增加的有不同的模式，如下圖。
根據需求預測模型，我們給出新客戶最有可能購買的top N 列表，然後由業務人員進行市場推廣。
3.2客戶價值預測
進一步預測有購買需求的客戶的購買價值高低。這是個回歸問題，但是預測變數從二分類變數變為預測連續的金額值。訓練的時候預測值取訓練周期內（一個月或者季度）客戶所購買的總金額。
算出客戶的當前價值（即當前階段購買的產品價值）和未來價值（預測的下一個階段的客戶價值）可以幫助我們鑒定客戶處於流失階段，或者上升階段，或者是穩定階段。當前價值取的是當前時間前三個月的交易量。對流失階段高價值客戶可以適當給予營銷優惠，對於有購買意向的客戶適當引導。如下圖所示。
結果/效果
一是提高銀行營銷准確性。隨著客戶不斷增加，理財產品也在不斷推陳出新，在實時精準營銷平台的幫助下，銀行從以前盲目撒網式的營銷方式轉變到對不同客戶精準觸達，提高了理財產品的營銷成功率，降低銷售和運作成本。理財產品推薦的上線以來，產品推薦成功率比專家經驗排序模型最高提升10倍。
二是增加銀行獲客數量。精準營銷系統洞察客戶潛在需求和偏好，提高了銀行獲取目標客戶群的准確率。從數百萬客戶中,通過機器學習模型,找到最有可能購買產品的客戶群，通過渠道營銷，實現響應率提升。相比傳統盲發模式，發送原38%的簡訊即可覆蓋80%的客戶。
通過構建基於大數據的精準營銷方案，恆豐銀行深入洞察客戶行為、需求、偏好，幫助銀行深入了解客戶，並打造個性化推薦系統和建立客戶價值預測模型，實現可持續的營銷計劃。
9. 大數據撬動創新創業新契機
大數據撬動創新創業新契機
大數據被視為雲計算之後的又一科技熱點。從走在前沿的互聯網新興行業，到與人們生活息息相關的醫療、電力、通信等傳統行業，大數據浪潮無時無刻不在改變著人們的生產生活方式。巨變之下，國內外各行各業也在面臨新一輪創新創業的重大契機。
日前，上海大數據產業技術創新戰略聯盟（下稱「上海大數據聯盟」）召開數據中國產業創新峰會，並推出中國大數據最具投資價值排行榜。該聯盟秘書長孔華威表示：「參與競爭此次價值排行榜的，共有近450家大數據領域創業團隊，我們或許能從中發現新一代的『馬雲』。」
隨著大數據逐漸由概念轉化為生產力，無論是企業、資本機構還是政府、行業協會或聯盟，均開始積極布局大數據。之前，北京、上海、廣東，甚至河北、貴州、陝西等地方政府已將大數據作為重要戰略部署，並開始由鬆散走向組織化。河北成立秦皇島開發區數據產業基地；貴州8月份剛剛成立大數據產業技術聯盟，並正式出台文件，開放數據環境；而北京早在2012年便成立中關村大數據產業聯盟。
作為經濟發展重鎮，上海近兩年也積極推動大數據的發展。2011年，上海成立了智慧島數據產業園；上海科委副主任干頻表示，去年上海市科委正式發布了《上海推進大數據研究與發展三年行動計劃（2013-2015年）》，重點推進6大行業大數據公共平台和6類大數據行業應用的發展。
孔華威表示，大數據將成為上海科技創新的重要抓手。而成立於去年的上海大數據產業技術創新戰略聯盟則將實施具體的推動工作，下一步將著重整合資本與產業資源，連接資本與創業公司。他認為，外界都在關注BAT，但隨著產業的發展，一些創業公司也逐步崛起，應該受到更多關注。
一家名為星圖數據的創業公司不久前獲得數百萬美元的A輪投資；著名風險投資公司IDG則以4000萬元人民幣投資了大數據信用評估公司Wecash閃銀。毋庸置疑，大數據產業正在受到資本越來越多的關注。
從產業鏈角度來看，大數據主要分為三個層級：大數據的獲取、大數據傳輸和存儲、大數據應用（包括分析挖掘）。在國內，大數據獲取依然集中於BAT等大型互聯網公司；而在大數據傳輸和存儲方面，已經出現一些成功的創業公司，比如提供基礎雲計算服務的Ucloud，今年6月份已完成B輪5000萬美元的融資；更多的大數據創業公司則集中於大數據應用方面，包括剛剛獲得投資的星圖數據，以及一些軟體公司。
但整體而言，目前基於大數據的創業公司依然處於分散、規模小的狀態。孔華威表示，上海大數據聯盟將發布《2014年中國大數據產業年鑒》，構建中國大數據產業圖譜。
大數據企業成功路徑在哪裡？眾人科技創始人談劍峰表示，圍繞大數據，在硬體等基礎設施方面，國外的技術已經遙遙領先，像甲骨文、IBM這樣的公司非常成熟，因此，國內短時間內應該先從「軟」的方面入手。
目前，上海已出現一些專注大數據的公司，比如提供智慧安全及智慧交通專業解決方案博康智能、專注電商管理軟體的商派、解決移動金融安全的來誼電子等。孔華威表示，大數據創新創業企業要關注快和准，因為大數據核心在於海量數據快速和精準的計算。賽富投資基金合夥人金鳳春告訴記者，從產業和具體應用來看，圍繞社區服務的移動電商、電子游戲的渠道拓展等領域，有可能孕育引導潮流的大數據企業。七牛雲存儲CEO許式偉則認為，出於對用戶行為數據的精準分析，大數據時代的競爭會從「生產更多的商品」，轉到「生產讓客戶滿意的商品，甚至是定製化的商品」。未來大數據企業的商業模式之爭，就是服務之爭、智能化之爭。
以上是小編為大家分享的關於大數據撬動創新創業新契機的相關內容，更多信息可以關注環球青藤分享更多干貨
10. 「SAECCE議程劇透」新能源汽車大數據應用——機遇與融合
導讀
新能源 汽車 大數據的利用不僅在 汽車 產業內部釋放了巨大的數據紅利，未來也必將成為 汽車 產業與其他產業融合的重要紐帶。隨著我國「新基建」的不斷推進，高速低延遲的5G網路覆蓋與新能源 汽車 充電樁的建設，勢必會加速新能源 汽車 的發展與數據井噴。由此可見，大數據技術在新能源 汽車 上的應用會加快 汽車 產業向信息化與智能化邁進的腳步，而新能源 汽車 大數據與電力等行業的融合還將產生出巨大的藍海市場。
2020中國 汽車 工程學會年會暨展覽會（SAECCE 2020） 將於 2020年10月27-29日 在 上海 汽車 會展中心 舉辦。迄今為止，SAECCE年會已成功舉辦26屆，成為在國內舉辦的 汽車 行業標桿活動之一。
本專題分會以 「新能源 汽車 大數據應用——融合與機遇」 為主題，邀請國內外權威專家主旨演講和互動討論。通過聚焦「大數據背景下新能源車輛全局優化式能量管理方法研究」等若干議題，共同交流新能源 汽車 大數據應用的主流技術與最新發展趨勢，加速新能源 汽車 大數據技術成熟，並加大 汽車 產業的輻射帶動能力。
N01:新能源 汽車 大數據應用——機遇與融合
會議時間&地點
2020年10月27日 13:30-18:00
上海 汽車 會展中心
協辦單位
吉林大學 汽車 工程學院
會議主席
王震坡
博士/教授/博士生導師，北京理工大學電動車輛國家工程實驗室主任、新能源 汽車 國家大數據聯盟秘書長
王震坡，教授、博士生導師，北京理工大學電動車輛國家工程實驗室主任、新能源 汽車 國家大數據聯盟秘書長。入選了教育部「新世紀優秀人才」、北京市「 科技 北京百名領軍人才」、 科技 部「中青年 科技 創新領軍人才」、 國家「萬人計劃」和機械行業「『十二五』先進 科技 工作者」。主持了國家自然基金重點項目（動力電池系統熱失控與安全管理）、國家重點研發計劃項目（分布式驅動電動 汽車 集成與控制）、國家863計劃項目（電動 汽車 充換電設施設計集成與管理）等縱向項目12項，發表第一作者或通訊作者SCI論文29篇(ESI高被引3篇)，第一作者EI論文60餘篇。第一作者出版專(譯)著4部(「電動車輛動力電池系統及應用技術」入選「十二五」高等教育本科國家級規劃教材)，授權第一發明人發明專利24項。獲國家 科技 進步二等獎1項，省部級科研一等獎3項，二等獎2項(1項排名第一)，中國 汽車 工業科學技術一等獎1項(排名第一)，北京市教學成果一等獎1項。
聯合會議主席
許楠
博士/副教授/博士生導師，吉林大學 汽車 工程學院
許楠，吉林大學 汽車 工程學院車輛工程專業 副教授兼博士生導師，工學博士，博士後，新能源 汽車 國家大數據聯盟理事，美國電氣電子工程師學會（IEEE）會員，目前擔任Applied Energy、IEEE Transaction on Vehicular Technology、IEEE Transaction on Power Electronics、International Journal of Electronics和SAE Journal等國際期刊審稿專家。發表新能源 汽車 領域論文二十餘篇，授權發明專利10項，軟體著作權13項。作為項目負責人承擔國家自然科學基金青年基金項目、國家博士後科學基金面上項目、吉林省 科技 發展計劃項目以及企業的合作研究等項目。榮獲國家教育部博士生新人獎，入選國家留學基金委國際清潔能源拔尖創新人才培養項目（iCET2019），吉林大學優秀青年教師重點培養計劃等。
主要研究城市智能交通系統規劃與評價、車輛全局優化式能量管理、人-車-路系統數據挖掘與分析、新能源車輛動力系統控制與評價、開放式繞組電機控制、智能輔助駕駛。
01
演講嘉賓簡介及演講摘要提前看
大數據+區塊鏈在新能源 汽車 動力電池溯源管理方面的應用研究
劉鵬
北京理工大學副教授，碩士生導師，新能源 汽車 大數據聯盟副秘書長
演講要點
1、新能源 汽車 動力電池發展現狀。
2、新能源 汽車 動力電池溯源管理平台建設及應用現狀介紹。
3、大數據及區塊鏈技術在新能源 汽車 動力電池溯源管理方面的應用現狀及最新研究。
4、動力電池數據管理所面臨的問題和挑戰。
演講摘要
概述近年來新能源 汽車 和動力電池發展數據研究現狀，以及大數據平台建設及應用狀況，並對大數據及區塊鏈技術在新能源 汽車 動力電池溯源管理方面的應用及研究進行介紹，對動力電池數據管理方面所面臨的挑戰進行分析和展望。
一種基於數據的電動 汽車 全工況行駛能耗評價方法
袁新枚
吉林大學 汽車 工程學院教授
演講要點
1、電動 汽車 能耗評價的需求。
2、一種新型的電動 汽車 能耗模型及基於數據的能耗評價方法。
3、模擬實驗結果及討論。
4、該方法在高速路充電站規劃上的一個應用。
演講摘要
智能網聯新能源 汽車 的能量管理策略
宋珂
同濟大學 汽車 學院燃料電池創新研究所所長
演講要點
1、智能網聯 汽車 概述。
2、智能網聯 汽車 的通信技術。
3、智能網聯新能源 汽車 能量管理技術發展歷程。
4、智能網聯新能源 汽車 能量管理技術發展趨勢。
演講摘要
智能網聯 汽車 與新能源 汽車 將是未來 汽車 技術發展的兩個重要方向。當今 社會 和人們對這兩項技術的協調發展提出了更高的要求。通過使用智能網聯技術（ICT），新能源 汽車 可以與外部世界（例如其他行駛車輛、道路基礎設施，互聯網等）進行信息實時交互，這就是所謂的車聯網系統（V2X）。在對各種交通信息進行深入分析的基礎上，車輛可以識別當前行駛狀況並對未來駕駛狀況進行有效預測，從而實現車輛動力系統能量管理的實時優化，以滿足不同駕駛條件下的車輛駕駛需求。這不僅能大大改善新能源 汽車 的燃油經濟性，也能夠有效緩解了交通擁堵問題。介紹近年來智能網聯技術在新能源 汽車 上的應用情況，基於智能網聯技術的新能源 汽車 能量管理策略研究現狀以及智能網聯技術與新能源 汽車 技術協調發展的趨勢。
大數據在新能源 汽車 安全風險防控的應用研究
張照生
北京理工大學機械與車輛學院副教授
演講要點
1、新能源 汽車 安全情況統計分析。
2、新能源 汽車 安全預警與防控方法研究。
3、典型事故案例數據分析。
演講摘要
基於新能源 汽車 國家監管平台數據，統計分析車輛報警、事故車輛相關情況，從大數據角度分析影響新能源 汽車 安全相關因素，提出新能源 汽車 安全預警和防控方法，並以具體事故案例分析新能源 汽車 預警情況，為新能源 汽車 安全管控及產業 健康 發展提供技術支撐。
大數據背景下新能源車輛全局優化式能量管理方
法研究
許楠
吉林大學 汽車 工程學院 副教授，博士生導師，新能源 汽車 大數據聯盟理事
演講要點
1、新能源車輛能量管理方法研究現狀。
2、大數據背景下全局優化式能量管理方法所面臨的機遇和挑戰。
3、"信息-物質-能量"三層式全局優化架構的建立及應用。
4、全局優化式能量管理平台的應用前景。
演講摘要
概述近年來新能源車輛能量管理方法研究現狀，介紹大數據為全局優化式能量管理帶來的機遇，明確全局優化式能量管理方法所面臨的問題和挑戰，提出「信息-物質-能量」三層式全局優化架構以解決全局優化式能量管理方法實際應用問題。最後，針對全局優化式能量管理平台未來在區域交通能耗優化等方面的應用，提出了相關建議與展望。
數據驅動的鋰離子動力電池管理演算法 探索 研究
韓雪冰
清華大學車輛與運載學院助理研究員
演講要點
1、基於雲端大數據的電池管理是未來的發展方向。
2、基於數據可以有效的實現電池的安全預警。
3、基於數據可以有效的實現電池的壽命估計。
演講摘要
在新能源 汽車 使用過程中，伴隨著電池的使用，電池性能不斷衰減，電池組內單體間的不一致性持續增加，一致性問題還可能導致電池組的失效，引發安全問題。隨著雲端數據的廣泛應用，電動 汽車 的數據能被監測、記錄。基於這些數據可以有效的評估電池組一致性、估計電池壽命，進行電池安全預警，實現更加安全可靠的電池管理。
大數據背景下基於儲能應用的電動 汽車 電池的
二次利用
班伯源
中國科學院合肥物質科學研究院副研究員
演講要點
1、退役電動 汽車 電池二次利用的必要性。
2、電動 汽車 鋰電池的衰減現象的本質。
3、退役電動 汽車 電池二次利用的關鍵技術 SOH估算。
4、退役電動 汽車 電池二次利用國內應用實例。
演講摘要
近年來電動 汽車 （EV）產業飛速發展，為了保證 汽車 的動態性能和行駛安全，電動 汽車 電池在一定服役時間或性能下降後就需要更換。退役 汽車 電池二次利用是將保留了足夠的性能的退役電動 汽車 電池組，用於特定的儲能系統中。在本報告中整理了鋰離子 汽車 蓄電池二次利用的相關法律法規，收集了SOH估算的相關方法，特別是針對目前大數據背景下的提出了整合電動車能源管理系統的SOH估算方法，列舉了退役 汽車 電池可能的二次利用的利用場景。最後，根據目前國內退役電動 汽車 電池二次利用的現狀，提出了相關建議與展望。
新能源車與外部環境的數據融合帶來的機遇和
挑戰
王川久
北京泓達九通 科技 發展有限公司董事長
演講要點
1、大數據讓新能源車看的更遠，了解的更多，同時我們對車輛也有了更深的了解。
2、車輛與道路交通系統的關系。
3、大數據能給我們帶來什麼。
4、幾個大數據的應用場景。
演講摘要
新能源 汽車 與外部環境的大數據交換，將使車輛更好的融入道路交通系統，提高整個交通系統的效率，同時車輛的設計、生產、銷售、質量控制等各個環節均發揮出與以往不同的作用。
關於SAECCE 2020
2020中國 汽車 工程學會年會暨展覽會（SAECCE 2020） 將於 2020年10月27-29日 在 上海 汽車 會展中心 舉辦，誠邀 汽車 及相關行業的企業高層、技術領軍人物、資深專家學者、廣大 科技 工作者參與會議。SAECCE以「 汽車 +，協同創新」為主題，圍繞新能源 汽車 技術、智能網聯 汽車 技術、 汽車 關鍵共性技術，深度探討如何快速推動技術創新，重塑新型產業格局。
中國 汽車 工程學會年會暨展覽會（SAECCE）已成功舉辦26屆，成為在國內舉辦的 汽車 行業標桿活動之一。此外，原定於今年5月在北京召開的第七屆國際智能網聯 汽車 技術年會（CICV 2020）將和2020中國 汽車 工程學會年會暨展覽會（SAECCE 2020）合並舉辦。
SAECCE2020將組織1天（2場）全體大會、50多場專題分會、20多場（論文交流）技術分會，展覽面積約10000平米，預計將吸引3000多位來自政府機構及行業組織、整車企業、零部件企業、高校及科研院所的代表參會及參觀。
歡迎廣大企業、高校、科研院所等機構、以及廣大 科技 工作者通過組團或個人報名的方式積極參與！
02
SAECCE 2020 日程架構